基于BP神經(jīng)網(wǎng)絡(luò)的水泵水輪機(jī)全特性曲線(xiàn)擬合ppt課件.ppt

《基于BP神經(jīng)網(wǎng)絡(luò)的水泵水輪機(jī)全特性曲線(xiàn)擬合ppt課件.ppt》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、基于BP神經(jīng)網(wǎng)絡(luò)的水泵水輪機(jī)全特性曲線(xiàn)擬合1目錄課題研究目的與現(xiàn)狀BP神經(jīng)網(wǎng)絡(luò)全特性曲線(xiàn)擬合總結(jié)與展望2課題研究的目的與現(xiàn)狀目的：掌握水泵水輪機(jī)全特性，用于水泵水輪機(jī)過(guò)渡過(guò)程計(jì)算全特性曲線(xiàn)：非線(xiàn)性、多值性3現(xiàn)狀：Suter變換分區(qū)插值分段函數(shù)擬合最小二乘曲面擬合等雖針對(duì)曲線(xiàn)非線(xiàn)性、多值性等情況做出了改善，但擬合精度仍然不夠4BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)是對(duì)人類(lèi)的大腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的一種物理結(jié)構(gòu)上的模擬，它由許多具有非線(xiàn)性映射能力的神經(jīng)元組成。神經(jīng)元之間是通過(guò)加權(quán)有向弧連接成的。這種大規(guī)模并行、分布結(jié)構(gòu)與傳統(tǒng)的計(jì)算機(jī)處理方式有著根本的不同，它的

2、信息的處理與存儲(chǔ)是通過(guò)大量神經(jīng)元的分布來(lái)實(shí)現(xiàn)的。因而它具有極高的容錯(cuò)能力、快速的推理能力以及強(qiáng)大的聯(lián)想能力。5BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)BP網(wǎng)絡(luò)是一種分層型的多層網(wǎng)絡(luò)，它含有輸入層、隱含層及輸出層，層與層之間多數(shù)是采用全連接方式，同一層的單元之間是不存在相互連接的。3層BP網(wǎng)絡(luò)結(jié)構(gòu)圖6BP網(wǎng)絡(luò)學(xué)習(xí)過(guò)程BP網(wǎng)絡(luò)模型的學(xué)習(xí)由4個(gè)過(guò)程組成的。模式順傳播過(guò)程：當(dāng)給出網(wǎng)絡(luò)的一個(gè)輸入模式時(shí)，它先由輸入層單元傳至隱含層單元，經(jīng)隱含層單元逐個(gè)處理后傳至輸出層單元，再由輸出層單元處理來(lái)產(chǎn)生一個(gè)輸出模式。這是一個(gè)逐層狀態(tài)更新的過(guò)程，也被稱(chēng)作前向傳播。誤差逆?zhèn)鞑ミ^(guò)程：若輸

3、出響應(yīng)同期望輸出有誤差，不能滿(mǎn)足要求，那么就會(huì)轉(zhuǎn)入誤差逆?zhèn)鞑ィ瑢⒋苏`差值沿連接通路逐層地傳遞并修正各層的連接權(quán)值。將以上兩個(gè)過(guò)程的反復(fù)交替進(jìn)行的網(wǎng)絡(luò)“記憶訓(xùn)練”過(guò)程歸結(jié)起來(lái)，就是模式順傳播至誤差逆?zhèn)鞑ァ⒂洃浻?xùn)練、學(xué)習(xí)收斂的過(guò)程。對(duì)于給定的某一訓(xùn)練模式，不斷地用訓(xùn)練模式來(lái)重復(fù)前向傳播及誤差反向傳播過(guò)程，當(dāng)各個(gè)訓(xùn)練模式都滿(mǎn)足要求時(shí)，就可以說(shuō)BP網(wǎng)絡(luò)已經(jīng)學(xué)習(xí)好了。7BP學(xué)習(xí)算法BP學(xué)習(xí)算法是通過(guò)調(diào)整網(wǎng)絡(luò)權(quán)值w來(lái)使網(wǎng)絡(luò)輸出與目標(biāo)輸出均方誤差達(dá)到最?。航朴?jì)算均方誤差，則有：我們定義敏感性為利用網(wǎng)絡(luò)將敏感性反向傳播：最后得到權(quán)值的調(diào)整公式：8全特性曲

4、線(xiàn)擬合網(wǎng)絡(luò)性能指標(biāo)：精度泛化能力訓(xùn)練時(shí)間泛化能力：網(wǎng)絡(luò)的泛化能力是用來(lái)表征網(wǎng)絡(luò)學(xué)以致用的程度，也是評(píng)定學(xué)習(xí)結(jié)果好壞的一項(xiàng)重要指標(biāo)，在人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)中會(huì)出現(xiàn)隱含層節(jié)點(diǎn)數(shù)過(guò)多而導(dǎo)致網(wǎng)絡(luò)泛化能力變差的現(xiàn)象。當(dāng)隱含層神經(jīng)元過(guò)多時(shí)，可以調(diào)節(jié)的神經(jīng)元連接權(quán)很多，常常能比較容易地將訓(xùn)練所用的學(xué)習(xí)樣本學(xué)習(xí)好，但是當(dāng)有測(cè)試樣本在學(xué)習(xí)樣本之間內(nèi)插或是外延時(shí)，就有可能會(huì)出現(xiàn)較大的偏差。9預(yù)測(cè)力矩的神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)：網(wǎng)絡(luò)訓(xùn)練及擬合情況：節(jié)點(diǎn)數(shù)訓(xùn)練次數(shù)訓(xùn)練時(shí)間訓(xùn)練誤差最大誤差均方誤差19130111.00E-050.01940.003210訓(xùn)練情況：11擬合情況

5、：12預(yù)測(cè)流量的神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)：網(wǎng)絡(luò)訓(xùn)練及擬合情況：節(jié)點(diǎn)數(shù)訓(xùn)練次數(shù)訓(xùn)練時(shí)間訓(xùn)練誤差最大誤差均方誤差3515002482.40E-050.05980.004913訓(xùn)練情況：14擬合情況：15總結(jié)與展望1總結(jié)BP網(wǎng)絡(luò)能夠?qū)崿F(xiàn)任意的非線(xiàn)性映射，它結(jié)構(gòu)簡(jiǎn)單，易于實(shí)現(xiàn)，與其他擬合方法相比能省去了大量復(fù)雜計(jì)算，節(jié)省工作人員工作，且最終所訓(xùn)練好的網(wǎng)絡(luò)能夠取得較高的擬合精度。162存在的問(wèn)題與展望受個(gè)人的水平及研究時(shí)間的限制，本文仍存在一些不足之處需要改進(jìn)：(1)實(shí)驗(yàn)中僅重點(diǎn)考慮了網(wǎng)絡(luò)的精度，未對(duì)網(wǎng)絡(luò)的泛化能力進(jìn)行詳細(xì)地驗(yàn)證。同時(shí)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)的確定

6、也沒(méi)有固定的方法，常常需要以個(gè)人的經(jīng)驗(yàn)作為依據(jù)。(2)訓(xùn)練樣本中只包含14條開(kāi)度線(xiàn)下的數(shù)據(jù)，稍顯不足，這會(huì)影響到網(wǎng)絡(luò)擬合的精度。17謝謝！18